博客

从AI专案到AI产品，慧稳科技走了五个年头!

由于累积大大小小超过10个领域、30家企业导入AI的经验，慧稳科技建置Domain AI SaaS 平台，协助企业快速导入AI技术，预估可节省约50%以上的时间。

成立于2016年的慧稳科技，为智慧工厂AI影像辨识解决方案的提供者，Domain AI SaaS平台协助客户完成资料清洗、标记整理、AI训练建模与软硬体整合等服务，运用AI最新演算法实质落地。

慧稳科技总经理林耿呈表示，公司有丰富的AI落地经验，在高尔夫球、纺织业、石化业、半导体及水资源领域都已成功落地，累积相当多应用案例。

他分析，产业要AI落地成功，面临三大痛点：

痛点一、人才不足：从传产到高科技半导体产业，要找到专职AI技术又精通领域知识的人才十分不易，尤其是传统产业与中小企业，光是IT人才就不容易寻觅，更遑论AI人才。与其花时间找AI人才，不如运用现有的AI平台，免写程式(No-Code)，协助既有的领域专家可以使用AI，维运AI，如此才能彻底解决现在科技人才短缺的问题。

痛点二、落地成效不易评估：根据统计报告指出，AI落地的成功率不高，国外能创造价值AI落地的案例也只有5%。慧稳科技透过专案验证的AI落地成功率也约5%~10%左右。

林耿呈分析，其困难点在于，导入AI的步骤是必须先定义问题、了解产业领域知识、套用AI模型，再结合系统性整合的方案出来，才能产出产业商业价值，一连串步骤是跨领域的整合，AI落地要验证成效非常困难，需要花时间及人力堆叠起来才能产生成效。

痛点三、成本。无论导入的人才、时间或是将领域知识与AI结合，都需要花时间，一旦花了时间，就可能出现漫无目的投资的状况，导入无形成本一直被迫增加，若再加上AI硬体设备，相关费用叠加上去之后将会导致成本与效益之间无法评估的窘境。

为解决产业导入AI痛点，慧稳科技将协助企业运用AI技术解决制程或产线上的问题相关经验，发展出已验证过的AI模型，建立标准化AI SaaS，来解决领域内的共通问题，至于企业个别问题或客制化需求，则在标准化的基础下进行微客制化校调。现阶段，慧稳科技的产品分为光学检测AI SaaS平台及智慧水务AI SaaS平台两大服务，皆系运用简单、容易监控与维运的NO-Code平台，让企业透过低成本、高效率的方式导入AI技术。

林耿呈表示，根据慧稳验证AI所带来的效益，运用Domain AI SaaS平台，在光学检测领域，可达到10%-10倍的品质提升，降低人力成本可达10%-50%；至于智慧水务领域，在能源优化上可达到10%-20%成效。

举例而言，纺织业瑕疵检测过往采用人工全检的过程中，通常检出率在80%-90%之间，导入AI光学检测技术之后，检出率可以提升到95%以上。之后再透过人工进行复检或抽检，不仅可大幅提升10%的瑕疵检出率，还可节省将近一半的人力，效益十分可观。

再如，过往污水处理厂在控制污水处理时，先观察水质采样出来的结果，再由老师傅或专业技师以人工方式进行设备动态调控，没有办法随时监控，往往造成能源耗损，加入AI之后，由AI模型依据监控结果，推论出要用多少马达或设备的输出，可以控制到一定标准的水质范围，预估可节省20%以上的能源耗损。包括民生污水厂、自来水公司都需要智慧水务平台来协助监控污水处理状况。

「无论是机器学习、深度学习，或是动态调整式类神经网路、动态控制演算法等AI技术的导入，都需要主客观条件配合，制程不想改变，完全依赖AI，仍将以失败收场」，林耿呈如实地说，AI并非万能，也可能成为「照妖镜」，让以往人工所忽略的事情一一现形，因此，与客户明确界定欲改善的问题及效益如何验证的沟通与调整的过程就变得相当重要。

林耿呈也指出，AI技术要不断精进，现阶段努力的目标是尝试不需要太多资料就能够让AI学得好；另外，也不要过于依赖AI，他说，AI是两面刃，太过依赖就必须仰赖庞大数据，但大量数据的搜集、清洗所耗费的时间相当多。若能运用传统演算法结合AI技术是目前最好的方式，在AI技术尚未完备之前，透过传统演算法与现有AI技术先解决客户的问题，待包括AI自动学习、因果关系、Mata data learning等类强人工智慧领域突破之后，有助于更带来具商业价值的解决方案。

除了持续推广国内产业的应用外，慧稳科技也计画在2022年将Domain AI SaaS平台推广到东南亚等国家。慧稳科技近期积极进行A轮募资行动，在既有的成功基础上，持续扩展Domain AI SaaS的深度与广度，中期也将进行A+或B轮的募资，期望未来5年左右，达到股票上市(IPO)目标。